Statistika

Pendahuluan
Ukuran penyimpangan
1. Penyimpangan untuk data tunggal

 
Deviasi Rata-rata
Deviasi rata-rata adalah harga rata-rata sebaran setiap observasi data
terhadap nilai meannya.
Andai terdapat data nilai dengan , maka deviasi rata-rata adalah:
  
Jumlah penyimpangan yang terjadi antara masing-masing data dengan
rata-rata adalah nol, yaitu:
=
Hal ini terjadi karena penyimpangan yang terjadi pada masing-masing
data bisa negatif atau positif, oleh karena itu untuk mencari variansi
sampel didasarkan pada rata-rata:
, ….,
  
Defenisi

1. Variansi sampel dari sekumpulan n data: adalah:

2. Deviasi standar(simpangan baku) dari sekumpulan n data: adalah:

2. Penyimpangan untuk data yang
dikelompokkan
 
Defenisi

Untuk sekumpulan n data: yang telah diubah dalam tabel distribusi

frekuensi maka:
1. Deviasi rata-ratanya adalah:

2. Variansi sampelnya adalah:

  
Dimana:

= 1,2,3….., n
= frekuensi
= data ke-I
= mean data sampel

Dari defenisi diatas dapat diturunkan teorema:

=
Distribusi normal
Distribusi probabilitas yg terpenting dalam statistik adalah distribusi
normal atau Gaussian.

Jenis Variabel Acak Kontinu

Digunakan untuk menerangkan fenomena alam, industri, perdagangan, tingkat
pendapatan masyarakat, dsb.
Fungsi rapat probabilitas variabel random X dengan mean μ dan
variansi σ2 yang memiliki distribusi normal adalah:
1
1  ( x )2
n( x;  ,  ) 
2
2
e
2 

Probabilitas ini dinyatakan sebagai P (a < X < b)

 n(x)

0.3

0.25

0.2

0.15

0.1

0.05

0
-6 -4 -2 0 2 4 6
x
Sifat Distribusi Normal:

Contoh variabel random yg memiliki distribusi normal misalnya:

 distribusi error dalam pengukuran
 pengukuran dalam meteorologi
 pengukuran curah hujan
 sebagai pendekatan bagi distribusi binomial

dan distribusi hipergeometrik, dan lainnya

Sifat-Sifat Distribusi Normal:

Mean 
Varians 2
Deviasi Standar 
Koefisien momen kemiringan
Koefisien momen kurtois
Deviasi
Deviasi mean
mean = 0.7979
1. Rata-ratanya (mean) μ dan standard deviasinya = σ
2. Mode (maximum) terjadi di x=μ
3. Bentuknya simetrik thd x=μ
4. Titik belok tepat di x=μ±σ
5. Kurva mendekati nol secara asimptotis semakin x jauh dari x=μ
6. Total luasnya = 1
Bentuk distribusi normal ditentukan oleh μ dan σ.

1 1
2
μ1 = μ2 σ1 > σ2 μ1 < μ2 σ1 = σ2

μ1 < μ2 σ1 < σ2
Ciri Distribusi Normal

1.   Nilai mean, median dan modus adalah sama/berhimpitan

2. Kurva simetris
3. Asimtotik (fungsi yang dibatasi oleh suatu fungsi yang cukup
besar).
4. Luas daerah yang terletak dibawah kurva dan diatas garis mendatar
=1
SEMAKIN BESAR NILAI  , MAKA KURVA AKAN SEMAKIN
LANDAI, DAN SEMAKIN KECIL NILAI  MAKA KURVA
AKAN SEMAKIN MELANCIP
Luas di Bawah Kurva dan Probabilitas

1. P(x1<x<x2) = probabilitas variabel random x memiliki nilai antara

x1 dan x2
2. P(x1<x<x2) = luas di bawah kurva normal antara x=x1 dan x=x2

x1 μ x2
Oleh karena perhitungan integral normal tsb sulit, maka disusunlah
tabel nilai rapat probabilitas. Akan tetapi karena nilai rapat
probabilitasnya tergantung pada μ dan σ maka sangatlah tidak mungkin
mentabelkan untuk semua nilai μ dan σ
  
Distribusinormal standard adalah distribusi normal dengan mean μ=0
dan standard deviasi σ=1.
Transformasi memetakan distribusi normal
menjadi distribusi normal standard, sebab distribusi normal dengan
variabel z ini memiliki mean =0 dan standard deviasi = 1.
Transformasi ini juga mempertahankan luas dibawah kurvanya,
artinya:
Transformasi ini juga mempertahankan luas dibawah kurvanya,
artinya:

Luas dibawah kurva Luas dibawah kurva distribusi

normal standard antara z1
distribusi normal antara
x1 dan x2
= dan z2

Dengan z1 = (x1-μ)/σ dan z2 = (x2-μ)/σ.

Sehingga cukup dibuat tabel distribusi normal standard kumulatif saja!
Tabel Distribusi Normal Standard Kumulatif
Hubungan antara Distribusi Binomial dan
Distribusi Normal
 Jika N cukup besar dan jika tak satu pun dari p atau q sangat dekat
dengan nol maka distribusi binomial dapat didekati atau
diaproksimasi oleh sebuah distribusi normal dengan variabel
terstandarisasi yang dirumiskan sebagai:
x  Np
z
Npqseiring dengan semakin
 Pendekatan ini akan semakin baik
bertambah besarnya N. Dalam praktiknya, pendekatannya akan
sangat bagus jika Np dan Nq kedua-duanya lebih besar daripada 5.
Contoh Hitung Luas

Pergunakanlah tabel distribusi normal standard untuk menghitung luas daerah:

a) Di sebelah kanan z=1.84
b) Antara z=-1.97 s/d z=0.86
Jawab.
Ingat bahwa luas yg diberikan dalam tabel distribusi normal kumulatif adalah luas
dari z=-∞ s/d z0 tertentu: P(z<z0).
c) P(z>1.84) = 1 – P(z≤1.84) = 1 -0.9671 = 0.0329
d) P(-1.97 <z<0.86) = P(z<0.86) – P(z<-1.97)
= 0.8051 – 0.0244
= 0.7807
Cari Nilai Z

Carilah nilai z=k di distribusi normal standard sehingga

a) P(Z>k) = 0.3015
b) P(k<z<-0.18) =0.4197

Jawab:
c) P(Z>k) = 0.3015 berarti P(Z<k) = 1- P(z>k) = 1 – 0.3015 = 0.6985
Dari tabel terbaca luas ke kiri = 0.6985 adalah untuk z=0.52.

b) P(k<z<-0.18) = P(z<-0.18) – P(z<k) = 0.4197

= 0.4286 – P(z<k) = 0.4197
Jadi P(z<k) = 0.4286- 0.4197 = 0.0089
Dari tabel z = -2.37
Luas di bawah kurva normal non standard

Contoh.
Variaber X terdistribusi normal dengan mean 50 dan standard deviasi =10.
Carilah probabilitas untuk menemukan X bernilai antara 45 dan 62?
Jawab.
Dalam soal ini μ = 50 dan σ=10. x1 = 45 dan x2 =62
Pertama kita mapping x ke z (melakukan normalisasi atau standardisasi):
z1 = (x1 -μ)/σ  z1 = (45-50)/10 = -0.5
z2 = (x2 -μ)/σ  z2 = (62-50)/10 = 1.2
Sehingga
P(45 <x< 62) = P(-0.5<z<1.2)
P(-0.5<z<1.2) = P(z<1.2) – P(z<-0.5) = 0.8849-0.3085=0.5764
Memakai Distribusi Normal Dalam Arah
Kebalikan
Diketahui luas dibawah distribusi normal yg diinginkan yang terkait dengan besar
probabilitas, ingin dicari nilai variabel random X yg terkait.
Contoh.
Misalkan distribusi normal memiliki μ=40 σ=6, carilah nilai x0 sehingga:
a) P(x<x0) = 45%
b) P(x>x0)=14%
Jawab.
c) Kita mulai dengan mencari nilai Z yg sama luasnya.
P(z<z0) = 45% = 0.45  dari tabel z0 = -0.13
z0 = (x0-μ)/σ  x0 = μ + σz0 = 40 +6*(-0.13) = 39.22
Memakai Distribusi Normal Dalam Arah
Kebalikan
Jawab.
b) Kita mulai dengan mencari nilai Z yg sama luasnya.
P(z>z0) = 14%  P(z<z0) = 1- P(z>z0) = 1-0.14 = 0.86
P(z<z0) = 0.86  dari tabel z0 = 1.08

z0 = (x0-μ)/σ  x0 = μ + σz0 = 40 +6*(1.08) = 46.48

Contoh Penerapan Distribusi Normal

Sebuah perusahaan bolam lampu mengetahui bahwa umur lampunya (sebelum putus)
terdistribusi secara normal dengan rata-rata umurnya 800 jam dan standard
deviasinya 40 jam. Carilah probabilitas bahwa sebuah bolam produksinya akan:
 Berumur antara 778 jam dan 834 jam
 Berumur kurang dari 750 jam atau lebih dari 900 jam

Jawab.
μ= 800 σ=40.
 P(778<x<834)

x1=778  z1 = (x1-μ)/σ = (778-800)/40 = -0.55

x2=834  z2 = (x2-μ)/σ = (834-800)/40 = 0.85
P(778<x<834) = P(-0.55<z<0.85) = P(z<0.85)-P(z<-0.55)
= 0.8023 – 0.2912 = 0.5111
b) Berumur kurang dari 750 jam atau lebih dari 900 jam
μ= 800 σ=40.
P(x< 750 atau x>900)
x1=750  z1 = (x1-μ)/σ = (750-800)/40 = -1.25
x2=900  z2 = (x2-μ)/σ = (900-800)/40 = 2.5
P(x< 750 atau x>900) = P(z<-1.25) + P(z>2.5)
= P(z<-1.25) + 1- P(z<2.5)
= 1 + P(z<-1.25) - P(z<2.5)
= 1 + 0.1056-0.9938 = 0.1118
Soal:

1) Dalam suatu ujian akhir Matematika, mean nilai adalah 72 sementara deviasi
standarnya adalah 15. tentukan angka-angka standar (yaitu nilai-nilai dalam
satuan deviasi standar) dari siswa-siswa yang memperoleh nilai
(a) 60
(b) 93
(c) 72
2) Sebuah koin yang seimbang dilemparkan sebanyak 500 kali. Carilah
probabilitas bahwa selisih banyaknya kemunculan tanda gambar dengan 250
kali adalah
(a) tidak lebih dari 10
(b) tidak lebih dari 30
3) Diameter ball-bearing yg diproduksi sebuah pabrik memiliki mean 3cm dengan
standard deviasi 0.005 cm. Pembeli hanya mau menerima jikalau ball bearingnya
memiliki diameter 3.0±0.01cm.
a) berapakah persenkah dari produksi pabrik tersebut yg tidak bisa diterima
pembeli?
b) jikalau dalam sebulan pabrik tsb memproduksi 10000 ball-bearing, berapa
banyak yg harus dibuang tiap bulan karena ditolak pembeli?

4) Sebuah pengukur diameter bola besi dipasang secara otomatis dalam sebuah
pabrik. Pengukur tsb hanya akan meloloskan diameter bola 1.50±d cm. Diketahui
bahwa bola produksi pabrik tersebut memiliki diameter yg terdistribusi normal
dengan rata-rata 1.50 dan standard deviasi 0.2 cm. Jikalau diinginkan bahwa 95%
produksinya lolos seleksi berapakah nilai d harus ditetapkan?
Rata-rata nilai kuliah statistik diketahui 65 dengan standard deviasi 15. a) Jikalau diinginkan
15% murid mendapat nilai A dan diketahui distribusi nilai normal, berapakah batas bawah nilai
agar mendapat A? (b) Selanjutanya diinginkan yg mendapat B adalah sebanyak 25%.
Berapakah batas bawah B? (c) Seandainya diinginkan yg tidak lulus paling banyak 25%,
berapakah batas bawah agar siswa lulus?
Terima Kasih